3、数据驱动安全分析技能的获取之旅

数据驱动安全分析技能的获取之旅

在当今数字化时代，数据驱动的安全分析变得至关重要。然而，在踏上这一旅程时，我们会遇到各种挑战和需要掌握的技能。下面将详细探讨数据驱动安全分析所需的各项技能。

1. 数据获取与认知误区

在数据驱动的安全分析中，人们常常会提出“我们没有数据”的质疑，或者认为没有精算级别的数据就无法进行有效的分析。但实际上，完美的数据往往是可遇不可求的，如果一味等待完美数据，将会错过许多学习机会。我们并不需要完美的数据，而是需要从现有的杂乱数据中学习的方法。正如有人所说：“我们往往拥有比想象中更多的数据，需要的数据比想象中更少，通过观察获取更多数据也比想象中更简单。”安全分析所需的数据是存在的，只是常常等待被收集，即使是粗略的数据，经过适当处理也能进行准确分析。

另外，还存在一种情况，当作为领域专家时，人们期望我们自信地给出答案，然而自信容易与确定性混淆。数据分析需要我们有足够的自我认知和谦逊态度，对自己认为已知的事物保持怀疑。例如，对于密码长度和复杂度的设定，我们可能自信地认为应该是某个标准，但实际上并不知道在可用性和安全性之间的平衡点在哪里。这种数据分析中的障碍不仅局限于主要分析人员，其他参与分析的领域专家也需要面对自己的不足。

2. 编程技能的重要性

数据科学并非如想象中那般光鲜亮丽，处理数据是一件比人们想象中更加不确定和杂乱的事情，尤其是在数据收集和准备阶段。从课堂走向实际工作时，我们会发现现实世界的数据格式、状态和质量千差万别，可能存在于非结构化或半结构化的日志文件中，可能需要从网站上抓取，甚至可能是极为复杂的 XML 格式。

为了处理这些数据，我们需要将其收集、整合并转换为适合进一步分析的格式。